Esperimenti AMIP

Come ultima parte del lavoro, ho cercato di saperne di più su come il riscal- damento globale abbia influito nella variabilità delle teleconnessioni atmo- sferiche che abbiamo esaminato. A questo scopo, ho analizzato anche i dati provenienti da un modello del CMCC del tipo AMIP (vedasi Sezione 2.3.2). È importante rimarcare che i dati analizzati provengono da due esperi- menti, EXP1 e EXP2, sostanzialmente identici a parte il fatto che il sea ice, in EXP2, non varia nel tempo, quindi si potrebbero cogliere delle differenze fra le varie mappe dei diversi esperimenti. Proceduralmente, le mappe di correlazione graficate saranno le stesse di quelle già mostrate per i dati delle rianalisi NCEP/NCAR.

Diamo in primis un’occhiata a come è fatta la Summer North Atlantic Oscillation per i due esperimenti diversi, in Figura 4.10 e 4.11. La prima Empirical Orthogonal Function è stata trovata con lo stesso procedimento utilizzato in precedenza, prendendo i dati della Sea Level Pressure media

Summer NAO - EOF1 - EXP2 - 1979/2014

2.4

1.8

1.2

0.6

0.0

0.6

1.2

1.8

2.4

Figura 4.11: Mappa della prima EOF per il campo di SLP preso dai dati AMIP del secondo esperimento (sea ice che, a differenza della figura precedente, non varia nel tempo).

per i mesi di Luglio e Agosto per il range temporale 1979-2014 (che verrà poi utilizzato anche per tutte le mappe di correlazione). Si possono notare delle differenze nette nei valori della SNAO, a parità di scala: infatti dove il ghiaccio marino è rimasto invariato negli anni (quindi nell’EXP2) i valori sono più elevati sia nel "polo" positivo che in quello negativo. Ad ogni modo i poli sono locati correttamente tra Isole Britanniche e Scandinavia, e a nord dell’Islanda (Figura 4.4b ne é un’ulteriore prova, per i dati delle rianalisi NCEP/NCAR).

Ora possiamo analizzare l’andamento della velocità verticale in coordina- te di pressione, l’omega500, correlata con la time series della SNAO appena mostrata. In Figura 4.12a e 4.12b si possono vedere i valori di correlazione elevati nella zona del polo positivo, e negativi in Spagna e nelle coste islandesi e norvegesi. Andamenti piuttosto contrastanti invece risultano nel Mediter- raneo e nella penisola italiana, dove si vedono proprio marcate differenze, mentre nella mappa svolta per i dati di rianalisi (Figure 4.5a, 4.5b e 4.6, specie la seconda per vicinanza al timerange esatto) la situazione nel Medi- terraneo orientale era piuttosto chiara e vi si poteva trovare dimostrazione della subsidenza in tutti i range temporali. Ad ogni modo, un andamento più verosimile nella zona è sicuramente più vicino alla mappa per EXP2, dove permane una correlazione elevata su tutto il Mediterraneo orientale.

Andiamo ora all’osservazione delle mappe di correlazione per la preci- pitazione: essa ha, nei dati provenienti dal modello, valori sia in mare che

4.2. Summer North Atlantic Oscillation

Correlation map - Omega500 anomalies (JJA)/SNAO - EXP1 - 1979-2014

0.8 0.6 0.4 0.2 0.0 0.2 0.4 0.6 correlation (a)

Correlation map - Omega500 anomalies (JJA)/SNAO - EXP2 - 1979-2014

0.8 0.6 0.4 0.2 0.0 0.2 0.4 0.6 correlation (b)

Figura 4.12: Mappe di correlazione fra l’anomalia di omega500 e la time series della Summer North Atlantic Oscillation, nel range 1979-2014, per EXP1 (a) e EXP2 (b).

in continente, a differenza dei dati delle rianalisi. Le mappe (Figure 4.13a e 4.13b) sono piuttosto esplicative: si vedono le precipitazioni fortemente anticorrelate alla time series SNAO nella zona del polo positivo, e fortemen- te correlate nella coste del nord della Scandinavia e in Islanda. Anche la Groenlandia ha correlazioni piuttosto positive, le quali sono il sintomo di una precipitazione maggiore rispetto alla media durante le fasi positive del-

Correlation map - Precipitation anomalies (JJA)/SNAO - EXP1 - 1979-2014 0.8 0.6 0.4 0.2 0.0 0.2 0.4 0.6 correlation (a)

Correlation map - Precipitation anomalies (JJA)/SNAO - EXP2 - 1979-2014

0.8 0.6 0.4 0.2 0.0 0.2 0.4 0.6 correlation (b)

Figura 4.13: Mappe di correlazione fra l’anomalia di precipitazione totale e la time series della Summer North Atlantic Oscillation, nel range 1979-2014, per EXP1 (a) e EXP2 (b).

l’indice, e minore rispetto alla media durante le fasi negative. Ovviamente, vale il viceversa per correlazioni negative. Le differenze, fra EXP1 e EXP2, anche qua saltano all’occhio nella penisola italiana e nel Mediterraneo: nel- la mappa dove il ghiaccio marino si mantiene costante nell’Artico, tutto il Mediterraneo orientale presenta correlazioni negative, a differenza dell’Italia,

4.2. Summer North Atlantic Oscillation

Correlation map - Temperature anomalies (JJA)/SNAO - EXP1 - 1979-2014

0.8 0.6 0.4 0.2 0.0 0.2 0.4 0.6 correlation (a)

Correlation map - Temperature anomalies (JJA)/SNAO - EXP2 - 1979-2014

0.8 0.6 0.4 0.2 0.0 0.2 0.4 0.6 correlation (b)

Figura 4.14: Mappe di correlazione fra l’anomalia di temperatura, calcolata a 2m dal suolo, e la time series della Summer North Atlantic Oscillation, nel range 1979-2014, per EXP1 (a) e EXP2 (b).

e della Spagna (dove i valori di correlazione sono molto più elevati rispetto che in EXP1). Nell’Europa occidentale, dunque, la situazione in EXP2 si avvicina di più a ciò che abbiamo osservato nelle mappe NCEP/NCAR e a cosa ci aspetteremmo dalla teoria (Figure 4.9a e 4.9b).

la correlazione con la time series della Summer North Atlantic Oscillation è la temperatura a 2m dalla superficie (che è l’analogo della temperatura a livello sigma0..95 per i modelli). Nelle mappe (Figure 4.14a e 4.14b) si nota immediatamente la Groenlandia che, con correlazioni piuttosto negative, rispecchia appieno cosa ci si aspetterebbe dalla teoria (vedasi nuovamente le figure 1.13 e 1.14), con anche la regione del polo positivo che vede un aumento di temperatura durante le fasi positive della SNAO, e viceversa. Di nuovo, l’unica mappa che però rispecchia le aspettative teoriche è la EXP2 per quanto riguarda il Mediterraneo orientale, che mostra delle correlazioni negative (per quanto non siano troppo elevate in valore assoluto).

Capitolo 5

Risultati e conclusioni

5.1

Risultati ottenuti

In questa tesi abbiamo analizzato due dei principali modi di variabilità che in- teressano l’area mediterranea e europea. Il primo è il meccanismo “monsoon- desert”, legato all’attività monsonica nel subcontinente indiano, che contri-

buisce alla formazione della subsidenza atmosferica nel Mediterraneo. Il

secondo è legato alla variabilità dell’oscillazione Nord Atlantica in estate (SNAO). L’analisi svolta dunque sull’All-India Rainfall Index, indice costrui- to sulla base della precipitazione estiva in India, ha senza dubbio confermato l’esistenza di una teleconnessione fra Asia e Europa. La variabilità di questa dipende da diversi fattori, fra cui la localizzazione delle piogge durante la sta- gione monsonica, o l’intensità del monsone stesso nel subcontinente indiano (Cherchi, Annamalai et al., 2014), per citarne alcuni. La sliding correlation ha mostrato come a partire dai primi anni duemila l’influenza di questa tele- connessione sia stata via via minore nella caratterizzazione della subsidenza, dunque c’è stato un cambiamento nel tempo della relazione fra monsone asia- tico e area mediterranea. Inoltre, si può senz’altro dire che la SNAO influenzi considerevolmente il clima Europeo sia a nord che nel Mediterraneo. Ana- lizzando le correlazioni fra la serie temporale del SNAO index e le variabili atmosferiche, si notano sicuramente delle correlazioni significative in diverse zone d’Europa e una teleconnessione significativa con la subsidenza nel Medi- terraneo orientale. In ogni caso, anche questa teleconnessione si è affievolita all’inizio degli anni duemila, con correlazioni significative in zone più ristrette e limitate del continente. Però, un importante passo avanti nella compren- sione del fenomeno può essere dettato dallo studio del riscaldamento globale sull’area mediterranea e nordatlantica. È noto quanto il ruolo del ghiaccio marino sia importante nella regolazione di tanti meccanismi termici e circo-

latori per l’oceano e per l’atmosfera, nonché per le proprietà riflettenti delle superfici ghiacciate e dunque per l’albedo. Ma soprattutto, oltre a questo, è noto che la sua mancanza (o comunque riduzione della sua estensione) sia in grado di influenzare in maniera anche significativa i modi di variabilità delle teleconnessioni che abbiamo studiato. Infatti, in sezione 4.2.2 sono state ana- lizzate le correlazioni fra omega500, temperatura in prossimità della superficie e precipitazione totale, e l’indice variante nel tempo della SNAO calcolato mediante i due esperimenti del modello del Centro Euro-Mediterraneo per i Cambiamenti Climatici. I valori assunti dal coefficiente di correlazione di Pearson cambiano anche in maniera sostanziale a seconda del fatto che il sea ice nell’Artico sia climatologico, e quindi costante nel range 1979-2014 (dati dell’esperimento 2), o si riduca secondo i trend previsti (per i dati dell’espe- rimento 1). I quadri più rappresentativi della realtà e di quanto la teoria preveda sono sempre stati visualizzati abbastanza correttamente dalle figure derivate dall’EXP2, e solo in misura inferiore dalle figure derivate dall’EXP1. Dunque, possiamo supporre che la perdita di influenza delle teleconnessioni negli ultimi anni sia dovuta, almeno in parte, al riscaldamento globale (che ha infatti determinato la vasta riduzione delle banchise) e che la riduzione dell’estensione del ghiaccio marino nell’Artico renda più complicata la previ- sione, da parte dei modelli, dello stato dell’atmosfera e della variabilità delle teleconnessioni che coinvolgono Europa e area mediterranea.